数字技术与应用杂志社

摘要：<正>一、引言随着城市化进程的加快和机动车保有量的快速增长，交通拥堵已成为影响城市发展的重要问题[1]。恶劣天气条件（如雨、雪、雾等）会显著影响驾驶员的驾驶行为和车辆性能，导致交通流特征发生显著变化，增加交通事故风险[2]。准确预测恶劣天气交通流状态，对于交通管理、交通安全等具有重要意义。传统的交通流预测方法主要基于统计模型和机器学习方法，在处理长序列数据时存在计算复杂度高、难以捕获长距离依赖等问题。近年来，基于Transformer的深度学习方法在时间序列预测领域取得了显著进展，但在处理恶劣天气条件下的交通流数据时仍面临挑战。

专辑： 信息科技;工程科技Ⅱ辑

专题： 公路与水路运输;自动化技术

分类号： U491.14;TP18